FMEAを生成AIで支援する：故障モードの洗い出しと過去トラ照合の3ステップ

FMEAの課題は「形骸化」と「過去の知見が入らない」こと

FMEAは、設計や工程で起こりうる故障モードを洗い出し、影響の大きさ（重要度）、起こりやすさ（発生度）、見つけやすさ（検出度）を評価して、対策の優先順位を決める手法です。設計FMEA（DFMEA）と工程FMEA（PFMEA）があり、自動車業界では顧客から提出を求められます。

現場でよく聞く課題は2つです。1つは、前の製品のFMEAをコピーして一部を書き換えるだけになり、新しい設計や工程の変化点が反映されない形骸化。もう1つは、過去に実際に起きた不具合がFMEAに反映されず、同じ故障モードが見落とされることです。生成AIは、この2つの課題の「抜け漏れの検出」に向いています。

ステップ1：変化点から故障モードの候補を出させる

新しいFMEAを作るときは、前の製品からの変化点（設計変更、材料変更、工程変更、設備変更、仕入先変更）を生成AIに渡し、各変化点から起こりうる故障モードの候補を出させます。

既存の故障モード一覧を渡して「既存にないもの」を出させるのがポイントです。一般的な故障モードの列挙だけを頼むと、既に記載済みのものが大量に返り、確認の手間が増えます。

ステップ2：過去トラと照合して漏れを検出する

過去の不具合報告・クレーム・工程内不良の記録を検索できるようにしておき（過去トラRAG）、FMEAの各機能・工程について、過去に起きた不具合がFMEAに記載されているかを照合させます。

照合結果には、根拠にした過去の不具合報告の番号を必ず付けさせます。担当者は報告書の原文を読み、当時と条件が同じか（同じ材料・同じ構造か）を判断して、FMEAへの追加を決めます。過去トラ検索の精度の作り方は品質記録・過去トラのRAG検索で扱っています。

過去トラがFMEAに記載されていた場合も、その情報は使えます。実際に何度起きたかは、発生度の評価を見直す材料になります。MESや品質管理システムの不良実績から発生件数を集計できれば、発生度の根拠を数字で示せます。

ステップ3：評価点は社内基準で人が付ける

重要度・発生度・検出度の点数付けは、生成AIに任せません。理由は3つあります。

1. 評価基準は会社や顧客ごとに違う：同じ故障モードでも、顧客の要求や製品の用途で重要度が変わります
2. 根拠が社内のデータにある：発生度は自社の不良実績、検出度は自社の検査工程の能力で決まり、一般知識からは推測できません
3. 責任の所在：FMEAは設計・工程の品質に対する会社の判断の記録で、顧客監査の対象です

FMEAで生成AIを使うときの体制

FMEAの支援は、設計者や生産技術者が個人で生成AIを使うより、品質保証部門が過去トラの検索基盤と指示文のテンプレートを用意し、各部門がそれを使う形のほうが品質が揃います。

• 品質保証：過去トラの検索基盤の整備、指示文テンプレートの管理、漏れ候補の採否の記録
• 設計・生産技術：変化点の一覧作成、漏れ候補の確認とFMEAへの反映
• 情報システム：機密区分に合った実行環境の用意（設計情報を扱うため）

採否の記録を残しておくと、どの種類の漏れ候補が採用されやすいかがわかり、指示文の改善に使えます。設計レビューでの活用は設計レビューに生成AIを使う、8Dレポートでの活用は8Dレポート・不具合報告書を生成AIで下書きするで扱っています。

よくある質問

FMEAを最初から生成AIに作らせることはできますか？

一般的な故障モードを並べた表は作れますが、自社の設計・工程の変化点や過去の不具合が反映されないため、形骸化したFMEAと同じ問題が起きます。既存FMEAと変化点を入力にして、差分の候補を出させる使い方をおすすめします。

AIAG-VDAのFMEAハンドブックの形式に合わせられますか？

形式の項目（構造分析、機能分析、故障分析など）を指示に含めれば、その形式に沿った候補の整理はできます。ただし評価の基準表の適用は、人が社内基準と照らして行ってください。

過去トラが少ない新製品の場合はどうしますか？

類似製品や類似工程の過去トラを検索対象に広げます。それでも少ない場合は、変化点からの候補出し（ステップ1）を中心に使い、試作評価で起きた不具合を早めに記録して検索対象に加えます。

この記事に出てくる用語

• 故障モード影響解析（FMEA）Failure Mode and Effects Analysis ／ 失效模式与影响分析
• 検索拡張生成（RAG）Retrieval-Augmented Generation ／ 检索增强生成
• 製造実行システム（MES）Manufacturing Execution System ／ 制造执行系统
• 8DレポートEight Disciplines Problem Solving ／ 8D问题解决法

用語集（日・英・中）をすべて見る

この特集について

製造業の生成AI、どこまで任せられるか

文書検索、手順書の生成、品質報告のドラフト。人が承認する範囲と任せてよい範囲の線引き　全91本

1. 製造業の生成AI活用の全体像：業務別12ユースケースと導入の順番
2. 製造業の社内文書RAG入門：手順書・図面・品質記録を検索する5層構成
3. Siemens Industrial Copilotの全体像：5系統の提供状況と狙い
4. 生成AIの情報漏えい対策：製造業が決めるべき入力禁止情報とログ管理の7項目

特集の記事をすべて見る →

この記事を書いた人

株式会社サオス 製造DX部

DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。

運営者情報　編集方針　株式会社サオスのサイト